Künstliche Intelligenz verbessert die Detektion schwacher seismischer Signale erheblich, wie eine aktuelle Studie von A. Köhler und seinem Forschungsteam belegt. Basierend auf dreißig Jahren Aufzeichnungen seismischer Arrays, unter anderem der norwegischen Forschungsstiftung NORSAR sowie des Untergrund-Standorts SPITS in Svalbard, untersuchten die Wissenschaftler, wie KI-Modelle die Auswertung verteilter Sensordaten im Vergleich zu klassischen Methoden optimieren können. Da einzelne Seismometer häufig nicht ausreichen, um Erdbeben oder unterschwellige menschliche Aktivitäten wie unterirdische Nuklearwaffentests sicher zu identifizieren, kombinierten die Forscher die Daten von mehreren Sensoren räumlich konzentrierter Felder. Das Experiment verglich drei Trainingsstrategien: Erstens die isolierte Schulung auf Einzelstationsdaten mit nachgelagerter Ergebnisfusion. Zweitens die klassische Signalvorabkombination multipler Sensoren vor der Modellierung. Drittens die Übergabe aller Rohdaten an das KI-Modell zur selbstständigen Gewichtung und Fusion. Die Ergebnisse zeigen, dass die vorzeitige manuelle Signalfusion die höchste Detektionspräzision für schwache seismische Wellen erzielt. Der autonome KI-Ansatz, bei dem das Modell die Datenkombination selbst optimiert, benötigt hingegen deutlich weniger Rechenleistung und eignet sich daher ideal für Echtzeit-Monitoring-Systeme. Je nach Anforderung an Geschwindigkeit oder Genauigkeit empfehlen die Autoren daher eine situative Wahl der Strategie. Trotz der offensichtlichen Fortschritte weist das Modell eine begrenzte Generalisierungsfähigkeit auf. Da die Trainingdaten ausschließlich regional begrenzt waren, funktioniert die Erkennung außerhalb des definierten Gebiets, insbesondere bei S-Wellen, unzuverlässig. P-Wellen bleiben davon weitgehend unbeeinträchtigt. Die Forscher betonen, dass eine weltweite Datenerweiterung notwendig ist, um die Modellrobustheit flächendeckend zu steigern. Die in der Fachzeitschrift Journal of Geophysical Research: Machine Learning and Computation veröffentlichten Erkenntnisse unterstreichen das transformative Potenzial von KI-gestützter Seismologie. Sie ermöglichen die Zuverlässigkeitssteigerung bei der Überwachung naturbedingter Beben sowie der Einhaltung internationaler Kontrollabkommen durch die Identifikation subtiler unterirdischer Aktivität.